數(shù)據(jù)挖掘技術(shù)在股票分析預測中的應用研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)的快速發(fā)展，各個領域堆積的數(shù)據(jù)也越來越多。數(shù)據(jù)庫雖然有著很強大的采集數(shù)據(jù)和存儲數(shù)據(jù)的能力，但是數(shù)據(jù)分析能力卻相對薄弱。無法挖掘到隱藏在海量數(shù)據(jù)背后的信息，導致數(shù)據(jù)爆炸和知識匱乏的普遍現(xiàn)象。如何從海量的數(shù)據(jù)中提取有用的知識成為當務之急，數(shù)據(jù)挖掘也正成為當今信息技術(shù)的一個重要研究內(nèi)容。
　　 我國的證券市場從上個世紀90年代起步，到現(xiàn)在已經(jīng)經(jīng)歷了幾十年的發(fā)展壯大，各個證券公司都積累了海量的歷史數(shù)據(jù)，如何對這些數(shù)據(jù)進行有

2、效的處理，成為證券市場發(fā)展的一個難題。同時，證券業(yè)中的很多業(yè)務都需要對歷史數(shù)據(jù)進行處理后才能展開，數(shù)據(jù)挖掘技術(shù)的誕生為海量數(shù)據(jù)的處理提供了有效的方法。通過對歷史數(shù)據(jù)的加工處理，挖掘歷史數(shù)據(jù)中隱藏著的有價值信息，為證券公司和股票投資者提供參考意見。
　　 本文闡述了數(shù)據(jù)挖掘的基本概念，并對數(shù)據(jù)挖掘中的分類技術(shù)進行了深入分析，主要研究分析了經(jīng)典的決策樹算法、自組織特征映射圖(SOM網(wǎng)絡)、K-means聚類算法。
　　 本文

3、的主要工作有以下三點：
　　 (1)把經(jīng)典的決策樹算法應用到股票歷史數(shù)據(jù)分析中，通過對歷史數(shù)據(jù)的分析，建立了股票價格走勢決策樹預測模型。經(jīng)過對測試數(shù)據(jù)的測試，實驗結(jié)果是可以達到指導投資者進行股票投資的目的。
　　 (2)具體的分析了SOM網(wǎng)絡與K-means算法的特點，并根據(jù)SOM網(wǎng)絡與K-means算法的各自缺點建立了基于SOM&K-means混合聚類算法。通過對數(shù)據(jù)的訓練與測試，最終得到的聚類結(jié)果明顯優(yōu)于單獨的SOM

4、網(wǎng)絡和K-means算法。
　　 (3)在SOM&K-means混合聚類算法的基礎上，提出了基于SOM&K-means混合聚類的交易規(guī)則。把此交易規(guī)則應用到滬深300指數(shù)走勢的預測中，最后通過與B&H策略和Resta的R1，R2，R3交易規(guī)則在統(tǒng)計指標和經(jīng)濟指標上的比較，得出在band等于0的情況下，基于SOM&K-means混合聚類的交易規(guī)則在統(tǒng)計指標和經(jīng)濟指標上要優(yōu)于B&H策略和Resta的R1，R2，R3交易規(guī)則。